PDD Kit traslada la revisión del código de agentes a la especificación

Microsoft Research y GitHub Next han mostrado un prototipo que convierte la intención del desarrollador en una especificación de Verus y genera pruebas verificadas mecánicamente para Rust. La garantía solo cubre una frontera de confianza explícita.

Cinco mil líneas de Rust sirvieron como prueba

PDD Kit funciona dentro de Chopin. Formula preguntas, convierte las respuestas en un mapa de intención y una especificación formal, y encarga a un agente el código y la prueba. Verus y Z3 deciden de forma determinista si la prueba es válida.

El equipo lo mostró con Pet Store, una aplicación de unas 5.000 líneas de Rust. Verificó la lógica de login y su relación con cuentas y roles. Una petición de 2 frases produjo 8 condiciones. La comprobación tarda segundos en un módulo pequeño y minutos en código mayor, según los autores.

Las personas revisan el contrato y no cada línea

El cambio práctico está en el punto de control. El desarrollador aprueba intención, ambigüedades y especificación. El agente escribe código y prueba, pero la validez la decide Verus durante el build y después en CI, no otro modelo.

PDD Kit también introduce un fallo por cada cláusula. Si el verifier no lo rechaza, la cláusula es demasiado débil y debe corregirse.

La prueba se detiene ante bases de datos, criptografía y relojes

Sería excesivo llamar formalmente verificada a toda la aplicación. Verus solo verifica Rust y no inspecciona bcrypt, consultas SQL, firma de tokens ni el reloj. El desarrollador aceptó 6 componentes de confianza cubiertos por tests. Toda garantía depende además de que la especificación sea correcta.

PDD Kit es un research prototype. La demostración cubre el login de una aplicación y no mide el coste de mantener pruebas en un producto grande.

Otro proyecto Rust revelará el precio de la garantía

Habrá que ver si otros equipos mantienen las especificaciones durante cambios rápidos y contienen la frontera de confianza. También importan la disponibilidad fuera de Chopin y más lenguajes.

Los mejores primeros objetivos son login, permisos y pagos. Si reduce regresiones sin convertir a los desarrolladores en intérpretes permanentes del verifier, este modelo de review tendrá futuro.

El veredicto de Lilith

Un agente puede escribir 100.000 líneas tras una puerta cerrada. PDD Kit exige que una persona lea antes el contrato y que el verifier detenga el código que lo incumple.